Paano gamitin ang excel upang gayahin ang mga presyo ng stock

Talaan ng nilalaman

Pagbuo ng isang Presyo Simula
Pag-compute ng Kasaysayan ng Pagsasaayos

Ang ilang mga aktibong mamumuhunan ay nag-modelo ng mga pagkakaiba-iba ng isang stock o iba pang pag-aari upang gayahin ang presyo nito at ng mga instrumento na batay dito, tulad ng mga derivatibo. Ang pag-simulate ng halaga ng isang asset sa isang spreadsheet ng Excel ay maaaring magbigay ng isang mas madaling intuitive na representasyon ng pagpapahalaga nito sa isang portfolio.

Mga Key Takeaways

Ang mga mangangalakal na naghahanap ng back-test ng isang modelo o diskarte ay maaaring gumamit ng simulate na presyo upang mapatunayan ang pagiging epektibo nito.Excel ay maaaring makatulong sa iyong pag-back-test gamit ang isang monte carlo simulation upang makabuo ng mga random na paggalaw ng presyo.Excel ay maaari ding magamit upang makalkula ang makasaysayang pagkasumpungin upang mai-plug in ang iyong mga modelo para sa higit na kawastuhan.

Pagbuo ng isang Simula ng Modelong Pagpepresyo

Kung isinasaalang-alang natin ang pagbili o pagbebenta ng isang instrumento sa pananalapi, ang pagpapasya ay maaaring makatulong sa pamamagitan ng pag-aaral nito kapwa ayon sa bilang at grapiko. Ang data na ito ay makakatulong sa amin na hatulan ang susunod na malamang na ilipat ang maaaring gawin ng asset at ang mga gumagalaw na mas malamang.

Una sa lahat, ang modelo ay nangangailangan ng ilang naunang mga hypotheses. Ipinapalagay namin, halimbawa, na ang pang-araw-araw na pagbabalik, o "r (t), " ng mga pag-aari na ito ay karaniwang ipinamamahagi ng mean, "(μ), " at karaniwang paglihis na sigma, "(σ)." Ito ang mga karaniwang pagpapalagay na gagamitin namin dito, kahit na maraming iba pa na maaaring magamit upang mapabuti ang kawastuhan ng modelo.

$\begin{matrix} r (t) = \frac{S (t) - S (t - 1)}{S (t - 1)} \sim N (μ, σ) \\ kung saan: \\ S (t) = {malapit}_{t} \\ S (t - 1) = {malapit}_{t - 1} \end{matrix} \ simulan {aligned} & r (t) = \ frac {S (t) - S (t - 1)} {S (t - 1)} sim N ( mu, \ sigma) \ & \ textbf {kung saan:} \ & S (t) = \ text {close} _t \\ & S (t - 1) = \ text {close} _ {t - 1} \ \ end {aligned}$ R (t) = S (t − 1) S (t) −S (t − 1) ∼N (μ, σ) kung saan: S (t) = aparador S (t − 1) = aparador − 1

Aling nagbibigay:

$\begin{matrix} r (t) = \frac{S (t) - S (t - 1)}{S (t - 1)} = μ δ t + σ ϕ \sqrt{δ t} \\ kung saan: \\ δ t = 1 araw = \frac{1}{365} ng isang taon \\ μ = ibig sabihin \\ ϕ ≅ N (0, 1) \\ σ = taunang pagkasumpungin \end{matrix} \ simulan {aligned} & r (t) = \ frac {S (t) - S (t - 1)} {S (t - 1)} = \ mu \ delta t + \ sigma \ phi \ sqrt { delta t } \ & \ textbf {kung saan:} \ & \ delta t = 1 \ \ text {day} = \ frac {1} {365} \ text {of a year} \ & \ mu = \ text { ibig sabihin} \ & \ phi \ cong N (0, 1) \ & \ sigma = \ text {annualized volatility} \ \ end {aligned}$ R (t) = S (t − 1) S (t) −S (t − 1) = δδt + σϕδt kung saan: δt = 1 araw = 3651 ng isang taon = = meanϕ≅N (0, 1) σ = taunang pagkasumpungin

Aling mga resulta sa:

$\begin{matrix} \frac{S (t) - S (t - 1)}{S (t - 1)} = μ δ t + σ ϕ \sqrt{δ t} \end{matrix} \ simulang {aligned} & \ frac {S (t) - S (t - 1)} {S (t - 1)} = \ mu \ delta t + \ sigma \ phi \ sqrt { delta t} \ \ wakas [nakahanay]$ S (t − 1) S (t) −S (t − 1) = δδt + σϕδt

Sa wakas:

$\begin{matrix} S (t) - S (t - 1) = & S (t - 1) μ δ t + S (t - 1) σ ϕ \sqrt{δ t} \\ S (t) = & S (t - 1) + S (t - 1) μ δ t + \\ S (t - 1) σ ϕ \sqrt{δ t} \\ S (t) = & S (t - 1) (1 + μ δ t + σ ϕ \sqrt{δ t}) \end{matrix} \ simulan {aligned} S (t) - S (t - 1) = & \ S (t - 1) mu \ delta t + S (t - 1) sigma \ phi \ sqrt { delta t} \ S (t) = & \ S (t - 1) + S (t - 1) mu \ delta t \ + \\ & \ S (t - 1) sigma \ phi \ sqrt { delta t} \ S (t) = & \ S (t - 1) (1 + \ mu \ delta t + \ sigma \ phi \ sqrt { delta t}) \ \ end {aligned}$ S (t) −S (t − 1) = S (t) = S (t) = S (t − 1) δδt + S (t − 1) σϕδt S (t − 1) + S (t− 1) δδt + S (t − 1) σϕδt S (t − 1) (1 + δδt + σϕδt)

At ngayon maipahayag namin ang halaga ng pagsasara ng presyo ngayon gamit ang naunang araw malapit.

Pagkalkula ng μ:

Upang makalkula ang μ, na kung saan ay ang ibig sabihin ng pang-araw-araw na pagbabalik, kinukuha namin ang n sunud-sunod na nakaraang malapit na mga presyo at mag-aplay, na kung saan ay ang average ng kabuuan ng n nakaraang mga presyo:

$\begin{matrix} μ = \frac{1}{n} \sum_{t = 1}^{n} r (t) \end{matrix} \ simulang {aligned} & \ mu = \ frac {1} {n} sum_ {t = 1} ^ {n} r (t) \ \ end {aligned}$ Μ = n1 t = 1∑n r (t)

Ang pagkalkula ng pagkasumpungin σ - pagkasumpungin

φ ay isang pagkasumpungin na may isang average ng random variable zero at standard na paglihis ng isa.

Pag-compute ng Pangkasaysayan ng Kasaysayan sa Excel

Para sa halimbawang ito, gagamitin namin ang function ng Excel "= NORMSINV (RAND ())." Sa pamamagitan ng isang batayan mula sa normal na pamamahagi, ang pagpapaandar na ito ay nagkukuwenta ng isang random na numero na may ibig sabihin ng zero at isang karaniwang paglihis ng isa. Upang makalkula ang μ, average lamang ang mga ani gamit ang function Ln (.): Ang pamamahagi ng log-normal.

Sa cell F4, ipasok ang "Ln (P (t) / P (t-1)"

Sa paghahanap ng cell F19 "= AVERAGE (F3: F17)"

Sa cell H20, ipasok ang "= AVERAGE (G4: G17)

Sa cell H22, ipasok ang "= 365 * H20" upang makalkula ang taunang pagkakaiba-iba

Sa cell H22, ipasok ang "= SQRT (H21)" upang makalkula ang annualized standard na paglihis

Kaya mayroon na tayong "takbo" ng nakaraang pang-araw-araw na pagbabalik at ang karaniwang paglihis (ang pagkasumpungin). Maaari naming ilapat ang aming pormula na matatagpuan sa itaas:

Magsagawa kami ng isang kunwa sa loob ng 29 araw, samakatuwid dt = 1/29. Ang aming panimulang punto ay ang huling malapit na presyo: 95.

Sa cell K2, ipasok ang "0." Sa cell L2, ipasok ang "95." Sa cell K3, ipasok ang "1." Sa cell L3, ipasok ang "= L2 * (1 + $ F $ 19 * (1 / 29) + $ H $ 22 * SQRT (1/29) * NORMSINV (RAND ())). "

Susunod, i-drag namin ang formula pababa sa haligi upang makumpleto ang buong serye ng mga simulate na presyo.

Ang modelong ito ay nagbibigay-daan sa amin upang makahanap ng isang kunwa ng mga ari-arian hanggang sa 29 na mga petsa na ibinigay, na may parehong pagkasumpong tulad ng dating 15 presyo na napili namin at may katulad na takbo.

Panghuli, maaari naming mag-click sa "F9" upang magsimula ng isa pang simulation dahil mayroon kaming function ng rand bilang bahagi ng modelo.

Talaan ng mga Nilalaman:

Paano gamitin ang excel upang gayahin ang mga presyo ng stock

Mga Key Takeaways

Pagbuo ng isang Simula ng Modelong Pagpepresyo

Pag-compute ng Pangkasaysayan ng Kasaysayan sa Excel

Pagpili ng editor